Python读取HTML文件中的表格数据并转换为Excel文件

最近接到一批及其不规范的xls文件，本质是html格式，只是修改后缀为xls而已，因为有大量数字字符串，导致大量数据用Excel打开时，读取的数据失真，不得已自己写了个读取程序。全部读取后，默认为文本字符串，转换为标准Excel文件。

# -*- coding: utf-8 -*-
"""
Created on Wed Apr 17 22:16:03 2019

@author: user
"""

import bs4
#import requests
from pandas.core.frame import DataFrame

def read_file(path):
    with open(path, 'r+', encoding='UTF-8') as f:
        str = f.read()
    return str.strip().replace('\ufeff', '')

bgne_lb=[]#设置一个列表用于接收数据

html=r'C:\Users\user\Desktop\测试.htm'#假设这个就是文件在本地的地址

wb=read_file(html)
soup=bs4.BeautifulSoup(wb,'lxml')#解析html
#elems=soup.findAll("table",{"class":"wikitable"})[0]#当需要进一步精确匹配时才使用
table_ys=soup.findAll("table")[0]#读取第一个表格，Excel文件转成的html，用这个就可以了。
#elems=soup.select('table')#读取表格标签
#开始循环拆解
table_trs=table_ys.findAll("tr")#获得表格中行的集合
bghs=len(table_trs)

for i in range(bghs):
    table_h=table_trs[i]
    z_lie=table_h.findAll(['td', 'th'])#获得一行中列的集合
    bgls=len(z_lie)
#    print("%s%s%s%s" % ("i:",i,"bgls:",bgls))
    bgnr_lb_h=[]
    for ii in range(bgls):
        z_lie_value=z_lie[ii].getText()
        bgnr_lb_h.append(z_lie_value)#将单独一行中的数据写成一个列表
    bgne_lb.append(bgnr_lb_h)#将整行数据作为一个元素添加到bgne_lb列表中

data=DataFrame(bgne_lb)#将获取的二维列表转为表格样式
data.to_excel("sample.xlsx", index=False,header = None)#输出为表，不带列号，输出文件名为sample.xlsx
print(data)